一种基于DEA的共同配送网点选址评价方法技术

本发明专利技术涉及一种基于DEA的共同配送网点选址评价方法，该方法步骤包括:S1：利用无监督学习的粒子群算法求解聚类算法得到城市内安置的合理快递驿站位置；S2：聚类结果得到最优的快递驿站位置，再通过免疫算法得到合理的共配网点位置，构建基于DEA的共同配送网点工作效率指标体系，获取相关的快递网点数据；S3：通过得到的效率指标增加共配网点的选址条件，使得共配网点选址问题在经济成本最低的条件下实现运行效率最高的目标。本发明专利技术解决真实场景下的快递路线重合、成本居高不下等问题提供了有效的方法，有助于构建智能化、协同化、低成本化、高效化的总体城市快递网络。高效化的总体城市快递网络。高效化的总体城市快递网络。

【技术实现步骤摘要】
一种基于DEA的共同配送网点选址评价方法


[0001]本专利技术涉及共同配送选址评价领域，具体涉及一种基于DEA模型的共同配送网点选址评价方法。

技术介绍

[0002]共同配送旨在采用联合运输的方式减少各快递企业单独运输带来资源浪费问题，随着我国快递行业飞速发展，对共同配送的需求愈加迫切。各个快递企业分散作业会带来需求分散的问题进而导致快递作业重复资源浪费的缺点，共同配送将成为解决这一问题的关键方法。同时近年来快递市场整体增速放缓，整体行业发展将从增量攫取向存量争夺转变，各个快递企业也面临着市场化整合升级的考验，共同配送网络的合理规划可以有效降低快递单票成本提升快递流转效率。通过基于DEA的共同配送网点选址方法在共配网点选址时不仅需要考虑外部空间优化同时增加企业内部管理对选址的影响，计算不同网点实现共同配送前的效率可以解决真实场景下的快递路线重合、成本居高不下等问题。

技术实现思路

[0003]为解决上述技术问题，本专利技术采用的技术方案是：
[0004]本专利技术根据全链条快递网络结构规划，在经过的全部快递节点之间完成流程的规划，目标是在不超过车辆容载量和时间窗约束的条件下实现总成本最低、总时间最短、总效率最高三重目标。采用三阶段的算法求解方法，层层倒推，最终得到优越性最高的快递网络结构。第一阶段解决快递驿站选址问题，利用无监督学习算法的优越性得到最优驿站聚类数。第二阶段解决共配网点选址和配送路径最优问题，利用免疫算法在已知的快递驿站位置的确定共配网点的位置实现总路线成本最低，第三阶段利用DEA评价方法计算和排序快递网点效率，对共配网点位置进行筛选，确定最优位置。本专利技术具体采用如下技术方案：
[0005]一种基于DEA的共同配送网点选址评价方法，该方法包括如下步骤：
[0006](1)模型构建
[0007]已知在不受交通管辖时间范围内车辆可以在网点i,j之间的任意道路通行，此时的运输距离设为在交通管辖的时间范围内时，车辆需要绕行并且通过最短距离到达目标共配网点，此时的运输距离设为即：
[0008][0009]其中，p
ij
为在共同配送网点ij之间进行运输的不同的q条路径之间的距离，T
ki
为车辆对于共配网点i的开始配送时间，[μ1,μ2]为交通管制的时间范围；
[0010]目标函数表示为：
[0011][0012]其中，f2为车辆的固定动用成本，K为车辆的集合，N为共同配送网点的集合，为
车辆的平均行驶速度，λ表示相邻交通信号灯之间的平均距离，φ表示每个交通信号灯的期望通行时间，c2为车辆的单位距离的运输成本，X
ijk2
为车辆是否从网点i到达网点j的决策变量,R
2n
为车辆的实际装载量,W2为车辆的最大载重量，Y
k2
表示车辆是否会产生调用成本的决策变量；
[0013]约束条件表示为：
[0014]保证运输车辆配送的快递总重量不超过配送车辆的最大装载量
[0015][0016]保证车辆的运输在共同配送中心的工作时间段内进行
[0017][0018]其中，为共同配送分拨中心的工作时间；
[0019]车辆在不受交通管制情况下的正常行驶距离
[0020]P
ij
＝MinP
ij
[0021]车辆在交通管制的时间约束下的最小行驶距离
[0022]P
ij
＝Min(P
ij
‑
minP
ij
)
[0023]共配网点的实际需求量与车辆的实际运输量相同
[0024][0025]其中，r
n
为网点的需求量，
[0026]每辆车辆只能对应一个共同配送网点进行运输
[0027][0028]车辆k2是否从共配网点i运输到共配网点j
[0029][0030]车辆k2是否会产生调用成本
[0031][0032](2)确定最优驿站和共配网点的位置
[0033]基于步骤(1)模型，利用无监督学习的粒子群优化算法对聚类数据向量的适用性来进行聚类，其中使用K
‑
means聚类来产生初始种群，得到城市内安置的合理快递驿站位置；根据聚类结果得到最优的快递驿站位置，通过免疫算法得到合理的共配网点位置；
[0034](3)利用DEA对于共配网点效率进行评价：
[0035]根据熵权法计算共配网点效率，通过数据标准化、求各指标信息熵并通过信息熵计算确定各评价指标的权重，权重确定后，通过数据包络分析方法对多个绩效衡量指标的同类决策单元相对效率的有效性计算共配网点的运营效率：
[0036]设产出指标的权重为u
n
，投入指标的权重为v
m
，共y
j
个产出指标，x
i
个投入指标。对每一部分，效率评价指数为：
[0037][0038]根据计算得到的各个共配网点的运营效率，进行筛选，得到最优的共配网点位置。
[0039]优选地，所述产出指标包括进出库工作效率、快递处理效率、服务质量；所述投入指标包括网点总面积、网点人员数量、网点设备数量、网点总成本；
[0040]所述进出库工作效率＝(入库时间
‑
收货时间/平均进港时长)+(出货时间
‑
出库时间/平均出港时长)；
[0041]快递处理效率＝派件量/快递员人数；
[0042]服务质量为虚假签收投诉率、遗失破损率、升级投诉受理申诉率、二次投诉率的加权平均值。
[0043]与现有技术相比，本专利技术具有如下有益效果：
[0044](1)现有的快递驿站繁多且覆盖范围重复，造成资源浪费现象，本专利技术利用无监督学习的粒子群算法求解聚类算法得到城市内安置的合理快递驿站位置。
[0045](2)通过聚类结果得到最优的快递驿站位置，再通过免疫算法得到合理的共配网点位置，除了考虑外部空间优化对共配网点选址的影响同时加入内部管理对选址的影响，利用熵权法和DEA算法相结合的方法计算得到各个共配网点的效率，增加共配网点的选址条件，使得共配网点选址问题在经济成本最低的条件下实现运行效率最高的目标。
[0046](3)基于现有实行的交通管制，对日常生活中常见且对城市运输较有影响的路段交通管制在快递运输层次进行了分析和研究，并在这种交通管制情形下构建了城市干线运输车辆路径规划模型，有助于构建智能化、协同化、低成本化、高效化的总体城市快递网络。
附图说明
[0047]图1是共同配送共享优化过程图。
[0048]图2是共同配送快递运输方式图。
[0049]图3是存在交通管制情况下的运输路线变动图。
[0050]图4是某市共配网点图。
[0051]图5某市驿站聚类图。
[0052]图6共配网点选址及最优路线图。
[0053]图7共配网点间本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于DEA的共同配送网点选址评价方法，其特征在于，该方法包括如下步骤：(1)模型构建已知在不受交通管辖时间范围内车辆可以在网点i,j之间的任意道路通行，此时的运输距离设为在交通管辖的时间范围内时，车辆需要绕行并且通过最短距离到达目标共配网点，此时的运输距离设为即：其中，p
ij
为在共同配送网点ij之间进行运输的不同的q条路径之间的距离，T
ki
为车辆对于共配网点i的开始配送时间，[μ1,μ2]为交通管制的时间范围；目标函数表示为：其中，f2为车辆的固定动用成本，K为车辆的集合，N为共同配送网点的集合，V
k2
为车辆的平均行驶速度，λ表示相邻交通信号灯之间的平均距离，φ表示每个交通信号灯的期望通行时间，c2为车辆的单位距离的运输成本，X
ijk2
为车辆是否从网点i到达网点j的决策变量,R
2n
为车辆的实际装载量,W2为车辆的最大载重量，Y
k2
表示车辆是否会产生调用成本的决策变量；约束条件表示为：保证运输车辆配送的快递总重量不超过配送车辆的最大装载量保证车辆的运输在共同配送中心的工作时间段内进行其中，为共同配送分拨中心的工作时间；车辆在不受交通管制情况下的正常行驶距离P
ij
＝MinP
ij
车辆在交通管制的时间约束下的最小行驶距离P
ij
＝Min(P
ij
‑
minP
ij
)共配网点的实际需求量与车辆的实际运输量相同其中，r
n<...

【专利技术属性】
技术研发人员：朱磊，张媛，何馨韵，马路萍，
申请(专利权)人：北京印刷学院，
类型：发明
国别省市：